【分享】自身经历谈一谈自然语言处理领域如何学习？

作者：老宋的茶书会

来自：AINLP

zenRRan有改动

知乎专栏：NLP与深度学习

研究方向：自然语言处理

https://zhuanlan.zhihu.com/p/90931060

前言

前段时间有朋友询问说NLP领域如何学习，然而一直忙于毕业论文中实在没有时间，两年半真的实在太难受了。昨天刚交了盲审，祈祷顺利毕业呀。

今天刚好有时间讲讲我自己的学习之路，然后谈谈我对自然语言处理领域学习的一些建议。

老宋：从迷茫到入坑

老宋本科在帝都某211，专业自动化，学的东西乱七八糟，因此翘课3年，挂科两门，侥幸毕业，实在不感兴趣。在本科期间，做过一年的嵌入式Linux，然后在大三之后转做Android，并花费半年之久考研（别问为啥考北科，问就是求稳）。说这些表达的意思是，老宋的基础还行，遗憾的是没有大牛带，一个人摸索的确难受，方向的不确定性也让人很迷茫。不过这也养成了我自学，自查，自己搞的习惯，这大学也没白读不是。

我个人觉得我在大学一个重要的收获就是，学会思考，坏处是经常会睡不着觉，乱七八糟一通思考。后来慢慢思考自己的路要怎么走，其实是一个不断探索的过程，中间自己不仅仅编程吧，其他经济学等方面也都有涉及，对吹牛逼大有益处。

到了研究生阶段，第一学期，懵懵懂懂学习机器学习基础知识，然后到第二学期，开始正式进入自然语言处理领域，开始打算做阅读理解方向的内容（事实证明，没有好老师指导，研究生想在阅读理解领域干点事情，基本不可能）。就这样，看论文，写代码，到了研二第二学期，开始找实习。刚开始，觉得刷题对算法岗不咋重要，然而，事实啪啪啪打我的脸，春招的笔试基本都挂，难受的一批。然后就是自己做的方向太窄了，阅读理解有没有商用，懂的面试官贼少，而你又没有顶会之类的硬货，因此，整个春招找实习算是很失败的。

总结下来就是两大原因：

• 忽略了刷题的重要性，搞得笔试根本过不去，bat连面试资格都没有，难受啊
• 方向太窄，阅读理解没面试官懂，且你没有硬货。

经过反思之后，我依旧没有把刷题放在首要任务上，这是秋招的一大败笔。

其实还有一点就是，看论文到底有没有用，我个人精读论文不下100，泛读的也不下200篇，可是面试官问不出来呀。很多同学都是看看BERT，Transformer，看看博客，刷刷面经就面过了（刷题需足够多），这也让我本身怀疑看论文的必要性，因为真的没有几个面试官能问出什么高水平的问题，基本就面经上常见的问题。

而今年算法岗还有一个有趣的现象：有的大厂面试官的水平不如应聘者，真实千奇百怪啊。

如何学习自然语言处理领域？

其实，我个人依旧认为学习自然语言处理领域的最好方式就是看论文，虽然今年不少人都是刷面经过的算法岗（有的在5月份连BERT都不知道），但从学习角度来说还是以论文为主，毕竟目前自然语言处理领域处于高速发展中。

如果我是面试官，我就从：你能不能谈谈最近预训练语言模型的发展 这一问题来评估应聘者的水平，要想说清楚这个发展历程，没有个精读10篇预训练语言模型论文是肯定不行的。而这一问题，也只有百度面试官问过，其他很多厂都是最多问问BERT，还有的大厂问各种数学计算公式，在我看来挺无聊的，背个公式这tm能体现出应聘者水平吗。这也从侧面验证百度技术还是厉害的。

因此，我这里并不介绍秋招准备的东西，而是日常学习中，自然语言处理你应该学习哪些东西，当然这是我按照我个人的学习推荐的，如果你要急于准备秋招，建议去牛客刷面经，对面试帮助极大。

如何入门自然语言处理？

首先，你要对自然语言处理领域有大致的了解，自然语言处理领域有哪些子任务，每个子任务都有哪些特点等。我个人认为这是你进入自然语言处理领域要做的第一件事情。

幸运的是，清华2018出了一篇报告讲述自然语言处理领域的现状，名为：《2018自然语言处理研究报告》。可以在文章结尾的百度云自己下载。

在进入自然语言领域之前，依旧需要你对机器学习以及深度学习有一定的基础，因此我个人推荐先学习这两大内容。机器学习对于自然语言处理来说相对并不重要，因此，可以简单过一遍即可。

我这里分别推荐书籍以及视频资料：

• 机器学习书籍：《PRML》
• 深度学习书籍：《Deep Learning》，看前几章就行
• 机器学习视频：白板推导系列
• 深度学习视频： 基础 - 吴恩达课程，深入 - 李宏毅老师视频

在这之后，你就应该学习自然语言处理领域的内容了，学习自然语言处理最好的方式是以点带面，从一个实际的上层应用出发，比如推荐，搜索，对话等。分析该上层应用中涉及到哪些自然语言处理方面的内容，然后针对性的学习。

就我个人来说，我依旧推荐文本分类作为入门的第一选择，因为文本分类在业界中应用的确最为广泛。我个人也有两个相关的仓库和文章：

• 文章模型：几个可作为Baseline的文本分类模型
• 基于词向量的模型：TextClassification-Pytorch
• 基于BERT的模型：Bert-TextClassification

由于NLP还在快速发展中，因此还没有那部书能够把内容以往打尽，因为书的周期太长，等出来后，技术都过时了。因此，对于自然语言处理领域来说，最重要的依旧是看论文，我之前写过一篇关于论文大礼包的，你把其中重要的文章看一遍基本就入门了，大概20多篇吧。

• 听说你急缺论文大礼包？（更新ing）

如何深入自然语言处理领域？

对于自然语言处理领域来说，有很多子任务，大多数人都是专注于有限几个领域。尤其是预训练语言模型诞生后，区别更不大了。在前面已经提到过了，那么你首先应该选择一个你感兴趣的上游任务，上游任务往往都比较复杂，融合了很多子任务。 举例来说：对于任务型对话来说，就涉及到文本分类，序列标注，文本匹配等任务。因此，你入门之后，还需要对应的学习多个子任务的内容。这里我推荐两个内容：

• NLP-progress - 讲述nlp相关任务最新进展
• 中文相关进展 -- 中文nlp任务的数据集，论文，进展等